BriefGPT - AI 论文速递 ·

Zeroth-Order Adaptive Neuron Alignment Pruning without Re-Training

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

该研究提出了一种名为NeuroAl的新方法，解决了传统模型剪枝中因重新训练带来的不便。通过动态调整稀疏比例，最大化神经元对齐，显著降低计算资源消耗，无需重新训练模型。

🏷️

Presentation: From S3 to GPU in One Copy: Rethinking Data Loading for ML Training
Onur Satici explains how Vortex, an open-source columnar file format under th...
Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
谎言秩序：俄罗斯的公共生活的荒诞性
俄罗斯这个民族的公共生活是由谎言所维系的，其民族集体心理已经陷入深度扭曲长达几个世纪。帝国时代，沙皇君权神授，体贴爱民；假如哪里出了问题，那一定是贵族和官...
Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...